首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于多属性的网络流量异常检测方法研究

摘要第3-4页
Abstract第4-5页
第1章 绪论第11-20页
    1.1 研究背景及意义第11-13页
    1.2 国内外研究现状第13-18页
        1.2.1 网络流量异常检测模型第13-14页
        1.2.2 网络流量异常检测方法第14-18页
    1.3 论文研究内容第18页
    1.4 论文结构安排第18-20页
第2章 相关研究和理论基础第20-33页
    2.1 网络流量第20-22页
        2.1.1 网络流量数据分类第20-21页
        2.1.2 网络流量数据处理第21-22页
    2.2 网络流量异常检测第22-25页
        2.2.1 网络流量异常定义第22页
        2.2.2 网络流量异常来源第22-24页
        2.2.3 异常检测评估标准第24-25页
    2.3 网络流量属性提取方法第25-32页
        2.3.1 属性提取第26页
        2.3.2 信息熵法第26-27页
        2.3.3 粗糙集法第27-31页
        2.3.4 主成分分析法第31-32页
    2.4 本章小结第32-33页
第3章 网络流量多级异常检测方法第33-47页
    3.1 引言第33-34页
    3.2 网络流量多级异常检测系统模型第34-35页
        3.2.1 EWMA预测模型第34页
        3.2.2 多级检测系统模型第34-35页
    3.3 算法描述第35-39页
        3.3.1 差分均方异常检测算法第35-36页
        3.3.2 基于EWMA的网络流量多级异常检测算法第36-39页
    3.4 实验环境与过程第39-40页
    3.5 实验结果分析第40-45页
        3.5.1 实验模拟生成的SYN Flood攻击流量第41页
        3.5.2 多级异常检测及参数确定第41-44页
        3.5.3 实验对比分析第44-45页
    3.6 本章小结第45-47页
第4章 基于属性降维的网络流量异常检测方法第47-66页
    4.1 引言第47页
    4.2 基于属性降维的网络流量异常检测模型及定义第47-50页
        4.2.1 属性重要度第47-48页
        4.2.2 标准化欧氏距离第48页
        4.2.3 模型模块第48-50页
    4.3 算法原理及过程第50-55页
        4.3.1 基于Weka的综合特征选择方法第50页
        4.3.2 基于RSE的属性约简方法第50-52页
        4.3.3 DNPCA属性降维及异常检测算法第52-55页
    4.4 实验环境和数据描述第55-57页
        4.4.1 实验环境第55-56页
        4.4.2 数据属性分类第56-57页
    4.5 实验结果分析第57-65页
        4.5.1 基于Weka_DNPCA的属性降维结果第57-59页
        4.5.2 基于RSE_DNPCA的属性降维结果第59-61页
        4.5.3 网络流量异常检测实验对比分析第61-65页
    4.6 本章小结第65-66页
第5章 结束语第66-68页
    5.1 主要工作与创新点第66-67页
    5.2 后续研究工作第67-68页
参考文献第68-73页
致谢第73-74页
攻读硕士学位期间从事的科研工作及取得的成果第74页

论文共74页,点击 下载论文
上一篇:碳水化合物催化降解制备5-羟甲基糠醛
下一篇:过渡金属在介孔分子筛中的高度分散及催化性能研究